工业机器人迭代学习控制方法分析-系统工程专业论文.docx

中文摘要 中文摘要 摘 要 迭代学习控制由于结构简单，跟踪效果好，对模型的先验知识要求不高，对 诸如机器人等有着非线性、强耦合、难建模且对运动控制有着高速、高精度要求 的对象研究有着重要的意义，因而深受控制界瞩目。 本文主要研究迭代学习控制在工业机器人上的应用。首先，分析了六自由度 机器人的运动学方程及其运动学方程的求解方法。重点介绍了工业机器人动力学， 建立六自由度机器人的动力学模型。 其次，研究迭代学习在机器人控制中出现的问题。根据机器人的特点，把这 些问题归纳为鲁棒性和收敛性两个方面的问题。把鲁棒性和收敛性作为评价迭代 学习控制性能的一个标准，并在此基础上设计了鲁棒性和收敛性的评价指标。选 择 P 型，PD 型和自适应型这 3 种迭代学习控制算法，选择控制增益，设计学习律。 设计两连杆机械臂这一非线性模型，通过设计的误差指标来检验这 3 种不同迭代 学习控制算法在机械臂上的性能。通过实验，分析迭代学习算法的鲁棒性和收敛 性之间关系和规律，为设计迭代学习律提供依据，避免常规学习算法的学习增益 选择的盲目性，扩展迭代学习控制的实用性。 最后，针对一类含有未知时变参数，并带有非重复时变干扰的不确定机 器人系统，为精确跟踪期望轨迹并加快跟踪误差的收敛速度，提出了一种具 有快速收敛的鲁棒迭代学习控制算法。通过鲁棒项来克服系统的不确定性， 通过对控制增益的自动切换实现快速收敛。利用李亚普诺夫函数证明了轨迹 跟踪误差的收敛性。针对两连杆机械臂的仿真结果表明，应用所提算法可实 现精确的轨迹跟踪，并加快迭代学习的收敛速度。 关键词： 迭代学习控制，工业机器人，鲁棒性，收敛性 I 重庆大学 重庆大学硕士学位论文 II 英文摘要 英文摘要 ABSTRACT Iterative Learning Control(short ILC) has characteristics of structure simplicity， perfect trajectory tracking，less prior knowledge of model. The research of ILC has important meaning for plants which are nonlinear，strong coupling，difficult to model， and have the remand of high speed and high accuracy for motion control，such as robotic manipulators and so on, so it has been brought to expensive notice of researchers． This paper presents the application of iterative learning control in robot. First, I analysis the kinematical equation, solve the kinematics and the inverse kinematics about 6-link robot, of which I focus on the dynamics, and establish precise dynamic model of 6-link robot. Secondly, I studied iterative learning problems for robot control. According to the characteristics of the robot, those problems were summed up as two aspects: robustness problems and convergence problems. In the paper the robustness and convergence were set for the evaluation standard, and I designed the evaluation index of robustness and convergence. The learning law was designed through choosing appropriate learning gains and designing each learning law of controller based on three types of iterative learning control schemes, i.e. P-type, PD-type and Adaptive-ty